Aplicación software de apoyo en la identificación de aglomeraciones de eventos para la toma de decisiones. Caso
de estudio el dengue en el municipio de Floridablanca.
1
Autor(es):
Omar Yesid Ibáñez Ortiz
Jonathan Contreras Vargas
Director:
MIng. Esp. Ing. Feisar Enrique Moreno Corzo
Universidad Autónoma de Bucaramanga
Programa de Ingeniería de Sistemas
Trabajo de grado II
Grupo de Investigación en Tecnologías de Información
Línea de Investigación en Sistemas de Información
Junio, 2019
Contenido
ü Introducción
ü Problema
ü Marco teórico
ü Objetivo general
ü Objetivos específicos y resultados obtenidos
ü Conclusiones
ü Referencias
ü Agradecimientos y contacto
2
Introducción
3
• Desarrollo de una aplicación software de apoyo en la identificación de aglomeraciones de
eventos con el objetivo de tener ideas que ayuden a identificar el comportamiento y la
distribución en la que ocurren los eventos.
• Se tomó como caso de estudio el dengue en el municipio de Floridablanca, Santander,
ocurrido en el año 2015, los datos fueron proporcionados por el Sistema de Vigilancia en Salud
Pública (SIVIGILA), adscrito al Ministerio de Salud y Protección Social.
• La aplicación software hace uso de dos métodos, estos métodos existen separadamente, pero
se justifican el uno con el otro.
Problema
4
• La necesidad de hallar patrones de relación, distribución y comportamiento de un fenómeno o
evento, en una región.
• El dengue, es considerado como una de las enfermedades más importantes transmitidas por
mosquitos y uno de los principales problemas de salud pública en el mundo. (Halstead, 2007).
• Floridablanca, es el municipio más hiperendémico de Santander, con una incidencia de casos
de 139,9 por cada 100000 habitantes. (Vanguardia, 2018a).
Marco teórico y conceptual
5
SIG
Análisis espacial
Sistema de coordenadas UTM
HSV color model
K Ripley
KDE
KML
Objetivo general
6
Desarrollar una aplicación software de análisis espacial que implementa los métodos función K
de Ripley y Kernel Density Estimator (KDE) para el apoyo en la identificación de
aglomeraciones de eventos para la toma de decisiones.
Objetivos específicos & resultados obtenidos
7
1. Diseñar los módulos preliminares de la interfaz de la aplicación software.
Diseño de los diferentes módulos de la interfaz de la aplicación desarrollada.
Objetivos específicos & resultados obtenidos
8
Objetivos específicos & resultados obtenidos
9
Objetivos específicos & resultados obtenidos
10
Objetivos específicos & resultados obtenidos
11
Objetivos específicos & resultados obtenidos
12
2. Desarrollar un módulo de carga desdearchivos KML de puntos para eventos y depolígonos para delimitaciones de áreas.
Módulo de carga para losarchivos KML (Keyhole Markup Language)de los puntos de eventos y los polígonosdel área a estudiar.
Objetivos específicos & resultados obtenidos
13
3. Implementar el método KDE conbase en los archivos KML de puntos deeventos cargados y que permita aplicarfiltros de información específica.
Módulo del sistema que calcula laaglomeración de los eventos, pormedio del método KDE y de los datoscargados a la aplicación.
𝜆(𝑠) =1
𝜋𝑟2𝑘(𝑑𝑖𝑠𝑟)
𝐾 𝑢 =3
4(1 − 𝑢2)
Objetivos específicos & resultados obtenidos
14
Objetivos específicos & resultados obtenidos
15
4. Implementar la función K de Ripley con
base en los archivos KML de puntos de
eventos y polígonos de delimitación y que
permita aplicar filtros de información
específica.
Módulo del sistema que implementa lafunción K, para saber si un fenómeno secomporta de forma aleatoria.
Objetivos específicos & resultados obtenidos
16
Objetivos específicos & resultados obtenidos
17
5. Desarrollar el módulo visor
de resultados de KDE, por
medio de mapas de
aglomeración de eventos.
Interfaz que permita mostrar lospuntos de los eventos y sudistribución en la regiónestudiada.
Objetivos específicos & resultados obtenidos
18
6. Desarrollar el módulo de
exportación de resultados por medio
de archivos KML, PNG y Excel.
Módulo que permite exportar losdiferentes resultados arrojados porel software por medio de archivosKML, PNG o Excel, según se desee.
Objetivos específicos & resultados obtenidos
19
Objetivos específicos & resultados obtenidos
20
Objetivos específicos & resultados obtenidos
21
7. Realizar pruebas funcionales a cada módulo del
software para verificar su correcto funcionamiento.
• Documento con los resultados de las pruebas funcionales realizadas
al software.
Hallazgos en el desarrollo e implementación de la aplicación software
✓ La aplicación software fue programada aplicando la metodología de desarrollo ágil Crystal
clear, por lo tanto, en cada una de las iteraciones iba produciendo resultados, es decir,
módulos.
Objetivos específicos & resultados obtenidos
22
Fase Productos desarrollados Observaciones
1 Módulo carga de archivos
La carga de archivos incluyó tanto la carga de los puntos,
como la del polígono y también la conversión de las
coordenadas de los puntos y polígono a UTM.
2 Módulo cálculo de KDE
El cálculo de KDE es el método que permite conocer la
densidad de núcleo de los datos, para luego pintar el mapa
de calor.
3 Módulo cálculo K de Ripley
El cálculo de la función K de Ripley es la que permite saber
si lo datos tienden agruparse o por el contario se distribuyen
de manera aleatoria.
Objetivos específicos & resultados obtenidos
23
4 Módulo visor Resultados
El visor de resultados consta de dos formularios:
1. El primero es la gráfica K de Ripley, la cual permite al usuario
saber si los datos se agrupan o no.
2. El segundo es el mapa de calor que refleja de manera visual
la distribución de los puntos en la pantalla.
5 Módulo filtro de información
Este módulo es el que permite al usuario filtrar la información para
que luego, la aplicación software trabaje sobre esos datos
filtrados.
6 Módulo exportación de resultados
Este módulo permite al usuario exportar los resultados de la
gráfica K de Ripley por medio de archivos en formato XLSX y el
mapa de calor por medio de archivos PNG y KML.
Objetivos específicos & resultados obtenidos
24
8. Realizar un análisis del dengue en el municipio de
Floridablanca en el año 2015 basado en los métodos
implementados.
• Documento de los resultados arrojados por el software, con los datos de
dengue.
• Documento de análisis, a partir de los datos arrojados por el software.
Objetivos específicos & resultados obtenidos
25
Gráfica Filtro Casos de denguePorcentaje
(%)
(a) Todos los datos 990 100
(b) Personas de sexo masculino 524 53
(c) Personas de sexo femenino 466 47
(d) Personas con edades entre 0 y 10 años 142 14
(e) Personas mayores a 60 años 115 12,6
(f) Mes de octubre 113 11,4
Análisis de resultados
Objetivos específicos & resultados obtenidos
26
Objetivos específicos & resultados obtenidos
27
femenino
Objetivos específicos & resultados obtenidos
28
Objetivos específicos & resultados obtenidos
29
Objetivos específicos & resultados obtenidos
30
Objetivos específicos & resultados obtenidos
31
Objetivos específicos & resultados obtenidos
32
Confrontación de resultados
Incidencia de casos de dengue en Floridablanca,
Santander 2015.Incidencia acumulada de dengue en Nova Iguaçu, Río
de Janeiro, Brasil, 1996 a 2004.
Objetivos específicos & resultados obtenidos
33
Confrontación de resultados
Distribución espacial de los casos de dengue en
Floridablanca Santander 2015.
Distribución espacial de casos notificados de
dengue, Salvador-Bahía, Brasil, 1995.
Objetivos específicos & resultados obtenidos
34
Confrontación de resultados
Distribución del dengue en el mes de octubre 2015,
Floridablanca.
Distribución del dengue en el mes de diciembre en el año
2009, Valle de Aburrá.
Objetivos específicos & resultados obtenidos
35
Confrontación de resultados
Distribución del dengue en el municipio de Floridablanca, ancho de banda 100 metros
Objetivos específicos & resultados obtenidos
36
Confrontación de resultados
Distribución del dengue en el municipio de Floridablanca, ancho de banda 200 metros
Objetivos específicos & resultados obtenidos
37
Confrontación de resultados
Distribución del dengue en el municipio de Floridablanca, ancho de banda 500 metros
Conclusiones
38
1. Al emplear la Función K de Ripley, sobre los datos de casos de dengue ocurridos en el
municipio de Floridablanca en el año 2015, se pudo determinar que dichos casos presentan
fuertes tendencias de aglomeración o agrupación.
2. El método KDE, permitió detectar de forma gráfica, por medio de un mapa, los puntos o
zonas de calor, asimismo, como se encuentran distribuidos dichos puntos dentro del área
estudiada.
3. Al utilizar los dos métodos anteriores arrojaron los resultados necesarios, para que en manos
de la entidad responsable de la salud pública, pueda ayudar notablemente a la reducción de
ocurrencia del dengue en el municipio de Floridablanca, ya que, permite identificar las zonas o
barrios más vulnerables.
Trabajo a futuro
39
1. Fortalecer el componente cartográfico de la aplicación incluyendo nuevas capas, y
funcionalidades de navegación.
2. Exportación de resultados a otras plataformas como archivos shp de ArcGIS o archivos KMZ
con imágenes ráster.
3. Más opciones de manejo de colores.
4. Implementación de otros métodos de análisis espacial.
Referencias
40
• Halstead, S. B. (2007). Dengue. The Lancet, 370(9599), 1644–1652. https://doi.org/10.1016/S0140-6736(07)61687-0.
• Vanguardia. (2016). 72 mil casos de dengue se han registrado desde 2010 en Santander. Retrieved from
http://www.vanguardia.com/area-metropolitana/bucaramanga/363496-71936-casos-de-dengue-se-han-reportado-desde-
2010.
• Vanguardia. (2018a). 30 personas se contagian de dengue cada semana en Santander. Retrieved from
http://www.vanguardia.com/area-metropolitana/bucaramanga/428982-30-personas-se-contagian-de-dengue-cada-
semana-en-Santander.
• Vanguardia. (2018b). Santander, sexto departamento en reporte de casos de dengue. Retrieved from
https://www.vanguardia.com/area-metropolitana/bucaramanga/445129-santander-sexto-departamento-en-reporte-de-
casos-de-dengue.
• Dixon, P. M., El-shaarawi, A. H., & Piegorsch, W. W. (2002). Ripley ’ s K function Ripley ’ s K function, 3, 1796–1803.
• JC, M. A. C. N. F. G. y S. M. L. (2005). Spatial analysis of dengue transmission in a medium-sized city in Brazil. TT -
[Análisis espacial de la transmisión del dengue en una ciudad de tamaño mediano en Brasil]. Revista de Saude Publica /
Journal of Public Health, 39(3), 444–451. Retrieved from http://www.scielosp.org/pdf/rsp/v39n3/en_24799.pdf.
Referencias
41
• Johansson, E., Gåhlin, C., & Borg, A. (2015). Crime Hotspots: An Evaluation of the KDE Spatial Mapping Technique.
In 2015 European Intelligence and Security Informatics Conference (pp. 69–74). https://doi.org/10.1109/EISIC.2015.22.
• Polonczyk, A., & Lesniak, A. (2018). A Spatial Analysis of Selected Categories of Offences in Krakow Based on Data from
the National Safety Risk Map. In 2018 Baltic Geodetic Congress (BGC Geomatics) (pp. 17–22).
https://doi.org/10.1109/BGC-Geomatics.2018.00010
• Duncombe, J., Clements, A., Hu, W., Weinstein, P., Ritchie, S., & Espino, F. E. (2012). Geographical information systems
for dengue surveillance. The American Journal of Tropical Medicine and Hygiene, 86(5), 753–755.
https://doi.org/10.4269/ajtmh.2012.11-0650.
• Lodoño C., L. A., Restrepo E., C., & Marulanda O., E. (2014). Distribución espacial del dengue basado en herramientas
del Sistema de Información Geográfica, Valle de Aburrá, Colombia. (Spanish). Spatial Distribution of Dengue Based on
Geographic Information Systems Tools, Aburra Valley. (English), 32(1), 7–15. Retrieved from
http://search.ebscohost.com/login.aspx?direct=true&db=a9h&AN=94336343&lang=es&site=ehost-live.
• Moreno, F. (2016). Aplicación para el análisis espacial de datos en espacios de redes con NetKDE y función K para redes.
Top Related